INDUKTIVNÍ STATISTIKA

Prezentace na téma: "INDUKTIVNÍ STATISTIKA"— Transkript prezentace:

1 INDUKTIVNÍ STATISTIKA
III. HODNOCENÍ ZÁVISLOSTI

2 HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY
Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ VELIČINY Východiskem pro korelační a regresní analýzu je bodový graf. K měření stupně (síly) závislosti se používají různé míry (ukazatele) závislosti. Jejich použití je vázáno na různé podmínky.

3 Okresy JmK Por. hmotnost do 2500g na 100 ŽN (nezávis. prom. X) KÚ (závis. prom. Y) Blansko 4,10 7,70 Brno – město 6,20 9,69 Brno – venkov 5,00 9,33 Břeclav 4,40 6,40 Hodonín 4,20 7,77 Jihlava 4,60 8,98 Kroměříž 5,30 6,27 Prostějov 5,50 11,22 Třebíč 4,80 6,88 Uherské Hradiště 4,70 8,92 Vyškov 5,20 9,09 Zlín 5,10 7,92 Znojmo 5,70 7,64 Žďár nad Sázavou 6,39

4 BODOVÝ GRAF Body jsou dány dvojicí hodnot pro každou statistickou jednotku Osa x: nezávisle proměnná Osa y: závisle proměnná Zakreslenými body prokládáme čáru (přímku, křivku) Typ závislosti (funkce) Směr závislosti (přímá, nepřímá) Těsnost závislosti (rozptyl bodů)

5 BODOVÝ GRAF y y y x x x y y y x x x y x y y y x x x

6 HODNOCENÍ ZÁVISLOSTI KVANTITATIVNÍCH VELIČIN
 LINEÁRNÍ ZÁVISLOST Nejužívanější mírou korelace je PEARSONŮV KORELAČNÍ KOEFICIENT NELINEÁRNÍ ZÁVISLOST Např. SPEARMENŮV KOEFICIENT POŘADOVÉ KORELACE

7 Bodový graf

8 LINEÁRNÍ ZÁVISLOST Nejužívanější mírou korelace je PEARSONŮV KORELAČNÍ KOEFICIENT Označuje se r … pro výběrový soubor (výběrová charakteristika) ρ… pro základní soubor (parametr) Podmínka pro použití: lineární závislost (odhadujeme z bodového grafu) dvojrozměrné normální rozdělení

9 LINEÁRNÍ ZÁVISLOST r(ρ) nabývá hodnot od - 1 do 1 Z tohoto intervalu mají hodnoty -1, 0 a 1 zvláštní význam: r(ρ) = -1 funkční nepřímá závislost r(ρ) = 0 neexistuje lineární závislost r(ρ) = 1 přímá funkční závislost Hodnocení r: Čím více se hodnota r(ρ) blíží ± 1, tím je větší těsnost vztahu. Pearsonův koeficient korelace je nejlepší mírou korelace, proto tam, kde je to možné, transformujeme nelineární vztah na lineární.

10 LINEÁRNÍ ZÁVISLOST Z údajů o výběrovém souboru vypočítáme VÝBĚROVÝ KORELAČNÍ KOEFICIENT r. r je výběrová charakteristika a proto je zatížena náhodnou chybou SE: r je nejlepším bodovým odhadem neznámého parametru ρ Pozor při intervalovém odhadu – pokud ρ ≠ 0 nemá r normální rozdělení, je třeba provést logaritmickou transformaci

11 TEST HYPOTÉZY O NULOVÉM KORELAČNÍM KOEFICIENTU
Jde o zjištění významnosti r, tj. zda je zjištěná závislost pouze dílem náhody nebo skutečně existuje i v základním souboru H0 - veličiny jsou nezávislé, tj. r(ρ) = 0 HA - veličiny jsou závislé, tj. r(ρ) ≠ 0 Statistická hypotéza zjišťuje, zda se r významně liší od nuly – k tomu lze využít: a) pro n < 50: kritické hodnoty Pearsonova r Absolutní hodnota r se porovná s kritickými hodnotami Pearsonova korelačního koeficientu: - je-li , pak nezamítáme H0 - je-li , pak zamítáme H0   b) pro n > 50: u-test

12 TEST HYPOTÉZY O NULOVÉM KORELAČNÍM KOEFICIENTU
Příklad: Zhodnoťte významnost korelace mezi podílem dětí s nízkou porodní hmotností a kojeneckou úmrtností a) v souboru 14 okresů, když r = 0,429 a b) v souboru 72 okresů ČR, když r = 0,471.    Kritické hodnoty Pearsonova korelačního koeficientu U-test, , kritické hodnoty normálního rozdělení

13 KOEFICIENT DETERMINACE
V případě stat. významné závislosti můžeme počítat tzv. KOEFICIENT DETERMINACE r2 Nabývá hodnot od 0 do 1; vyjádříme-li ho v %, udává, kolik % variability závislé veličiny Y lze vysvětlit změnami v nezávislé veličině X. Vypočítejte, z kolika % jsou rozdíly v KÚ mezi okresy ČR způsobeny rozdíly v podílu dětí s nízkou por. hmotností.

14 REGRESNÍ ANALÝZA Zjistíme-li významnou lineární závislost, je užitečné vyjádřit ji pomocí regresní přímky ve tvaru: y = a + bx y hodnota závislé veličiny x hodnota nezávislé veličiny a regresní koeficient, udává posun po ose y b regresní koeficient, úhel přímky s osou x Přímka se používá k PREDIKCI jedné veličiny pomocí druhé, tzn. zjišťujeme jaká bude hodnota y, pro určenou hodnotu x.

15 REGRESNÍ ANALÝZA Příklad: V souboru 76 okresů ČR byla zjištěna závislost mezi podílem dětí s nízkou porodní hmotností (X) a kojeneckou úmrtností (Y), kterou lze vyjádřit rovnicí: y = 4, ,942x. Vypočítejte, jaká by byla kojenecká úmrtnost v okrese, kde na 100 živě narozených připadá 7 dětí s nízkou porodní hmotností. Rovnice regresní přímky vypočítaná z dat o výběrovém souboru se chová jako náhodná veličina a je zatížená náhodnou výběrovou chybou SE. Pro odhad regresní přímky - tzv. PÁS SPOLEHLIVOSTI (CI pro každý bod přímky)

16 NELINEÁRNÍ ZÁVISLOST SPEARMANŮV KOEFICIENT POŘADOVÉ KORELACE
Nejprve seřadíme všechny hodnoty veličiny X dle velikosti a označíme je pořadovými čísly. Pak seřadíme všechny hodnoty veličiny Y dle velikosti a označíme je pořadovými čísly. Pro každou dvojici hodnot x,y stanovíme jejich rozdíl d Spearmanův koeficient pořadové korelace vypočítáme ze vztahu:

17 Okresy JmK Por. hmotnost do 2500g na 100 ŽN Pořadí Podle PH KÚ Podle KÚ Rozdíl pořadí Blansko 4,10 1 7,70 6 5 Brno – město 6,20 14 9,69 13 Brno – venkov 5,00 8 9,33 12 -4 Břeclav 4,40 3 6,40 Hodonín 4,20 2 7,77 7 -5 Jihlava 4,60 4,5 8,98 10 -5,5 Kroměříž 5,30 11 6,27 Prostějov 5,50 11,22 -2 Třebíč 4,80 6,88 4 Uherské Hradiště 4,70 8,92 9 -3 Vyškov 5,20 9,09 -1 Zlín 5,10 7,92 Znojmo 5,70 7,64 Žďár nad Sázavou 6,39 2,5

18 NELINEÁRNÍ ZÁVISLOST rs nabývá hodnot od -1 do 1, opět platí, že když: rs = 0, jde o nezávislost rs = 1, jde o přímou funkční závislost rs = -1, jde o nepřímou funkční závislost Hodnocení rs: Čím více se hodnota rs(ρs) blíží ± 1, tím je větší těsnost vztahu. TEST VÝZNAMNOSTI Absolutní hodnota rs se porovná s kritickými hodnotami Spearmanova koeficientu pořadové korelace: - je-li , pak nezamítáme H0 - je-li , pak zamítáme H0

19 HODNOCENÍ ZÁVISLOSTI KVALITATIVNÍCH ZNAKŮ
Východiskem je kontingenční tabulka: Je založeno na srovnání empirických a teoretických četností. Empirická četnost (E)– rozdělení lidí podle kuřáctví a vzdělání jak bylo skutečně zjištěno ve výběrovém souboru. Teoretická četnost (T) – jaké by bylo rozdělení lidí ve výběrovém souboru podle kuřáctví a vzdělání , kdyby šlo o jevy nezávislé.

20 TEST HYPOTÉZY O NEZÁVISLOSTI
1. Stanovení hypotéz - H0 – mezi empirickými a teoretickými četnostmi není statisticky významný rozdíl, zjištěné rozdíly nejsou natolik velké, aby nemohly být způsobeny náhodou. - HA - mezi empirickými a teoretickými četnostmi je statisticky významný rozdíl, zjištěné rozdíly jsou natolik velké, že nemohou být způsobeny náhodou. 2. HLADINA VÝZNAMNOSTI α = 5% nebo α = 1% 3. VÝBĚR TESTU - chí-kvadrát test (χ2)

21 TEST HYPOTÉZY O NEZÁVISLOSTI
4. Podmínky pro použití testu   Všechny teoretické četnosti musí být větší než 5. 5. VÝPOČET TESTOVACÍ CHARAKTERISTIKY CHÍ – KVADRÁT Pro každé políčko vypočítáme teoretickou četnost Pro každé políčko vypočítáme rozdíl mezi empirickou (E) a teoretickou četností (T) podle vzorečku: Součet vypočítaných rozdílů je hodnota chí-kvadrátu:

22 TEST HYPOTÉZY O NEZÁVISLOSTI
6. SROVNÁNÍ S KRITICKÝMI HODNOTAMI Testovací charakteristiku chí-kvadrát srovnáme s příslušnými kritickými hodnotami chí-kvadrát rozdělení: - kritické hodnoty určujeme z tabulek podle zvolené hladiny významnosti a tzv. stupňů volnosti: f = (r - 1)(s - 1)  7. ZAMÍTNEME NEBO NEZAMÍTNEME NULOVOU HYPOTÉZU , nezamítáme  H0   , zamítáme H0 8. Interpretace výsledku   Chí-kvadrát – informuje o stat. významnosti zjištěné asociace, ne o těsnosti ani směru vztahu. Vypočítaná hodnota chí – kvadrát slouží pouze k zamítnutí či nezamítnutí Ho o nezávislosti.

23